faceid算法原理简述

1 场景

刷脸支付，刷脸考勤，识别某人...

2 基本原理

对陌生人根据人脸和关键点，抠图人脸。识别算法完成人脸特征的提取，然后与注册库中的已知人脸比对，完成分类。

也是输出一系列相似度，规定阈值。

两种方式。1 人脸验证 已知注册人，判断是否为这个用户 2 人脸识别 只是给出照片判断是哪位

3 分类

1：1模式

场景完成身份验证，人脸解锁。人脸验证任务。

1：N 模式

人脸识别任务，图片或视频流获取图片输入系统，在海量人脸数据库中匹配，图像数据身份。

速度比1：1慢，因为是全量比对。

M:N 模式

快速动态的人脸识别任务，多个人物场景中，对所有人脸基于海量数据库进行人脸识别，应用在公共安全等场景，效率较高。

4 评测

1 人脸验证

评测数据采集和测试集设计

如注册库中有两个人物 a和b，则先指明a ，测试集为 a， b， c。再指明b，测试集为b，a，c。则人脸验证的测试集至少为 n*（n+1)

2 人脸识别

最标准的评测说明：

指定阈值下，公司A的误识率比其他公司低，准确率比其他公司高，说明公司A识别算法好。

5 指标

1) FN False Negative, 被判定为负样本，但事实上是正样本。
2) FP False Positive, 被判定为正样本，但事实上是负样本。
3 ) TN True Negative, 被判定为负样本，事实上也是负样本。
4 ) TP True Positive, 被判定为正样本，事实上也是正样本。

1）准确率: